Installera och kom igång med Python

I den första delen av kursen kommer vi lära oss generella aspekter av Python, hur man installerar Python samt vilken mjukvara som behövs för att skapa applikationer och genomföra statistiska beräkningar i Python. Eftersom Python är ett mångfasetterat språk är det möjligt att göra allt ifrån hemsidor till machine learning.

Innan vi fortsätter måste vi få den obligatoriska ”Hello world”-traditionen överstökad. Av tradition brukar man inleda den här typen av kurser och böcker med att demonstrera hur frasen ”Hello world” skrivs ut med programmeringsspråket. I Python görs det som följer:

print("Hello world")

Vi kan göra detta mer komplicerat

namn = "Adam & Eva"

plats = "Edens lustgård"

print(namn + " befann sig i " + plats)

# Resultat
# Adam & Eva befann sig i Edens lustgård

Python version 3

I den här kursen använder vi Python 3. I dagsläget (juli 2018) finns även Python 2 men den versionen kommer inte stödjas framgent, varför man bör använda Python 3 som utvecklas fortlöpande. Python 3 skiljer sig i vissa avseenden från Python 2 men detaljer kring skillnaderna ligger inte inom ramen för denna kursen. Python 3 kan användas både för att bygga webbapplikationer och data science. Detta är den stora fördelen med Python, nämligen att språket är så mångsidigt att det kan användas till allt ifrån skapande av en hemsida som YouTube till utveckling av statistiska modeller för prediktion av cancer.

Man behöver inte bli en skicklig programmerare för att bli bra på data science. De allra flesta som arbetar inom data science är endast måttligt duktiga programmerare. Endast en bråkdel av alla inom data science är tillräckligt bra programmerare för att utveckla ny mjukvara. Merparten av oss använder den fantastiska mjukvara som andra utvecklat. Till Python finns idag färdiga bibliotek för alla tänkbara uppgifter och göromål; från bearbetning av data till 3D-visualisering av resultaten. Dessa bibliotek är enkla att använda och dokumentationen är välgjord, varför vem som helst kan använda Python för data science.

Mjukvara som behövs för att komma igång med Python

Pythontolk (Python Interpreter): mjukvara som kan köra och tolka Python

För att använda Python behöver du just Python samt ett program för att köra/tolka Python-kod. Du kan ladda ner Python från den officiella webbplatsen Python.org. Ladda ner och kör installationsfilen. Säkerställ att du laddar ner Python version 3.X och inte 2.X.

Python är ett tolkat språk, vilket innebär att tolken kör ett kodstycke (eng. statement) i taget. Python-kod kan faktiskt skrivas i en helt vanlig textredigerare. Nackdelen med textredigerare är dock att koden är svårläslig, svår att felsöka och dessutom är det svårt att orientera sig bland filer och objekt som skapas. Idag använder man istället en IDE (Integrated Development Environment) som är en komplett utvecklingsmiljö. En IDE är alltså mjukvara som innehåller textredigerare, kompilator (tolken) och debugger tillsammans med andra finurliga funktioner som underlättar programmering. Det finns flera IDEs till Python. Den som avser använda Python för webbutveckling kan med fördel använda PyCharm från Jetbrains, eftersom den är gratis (community versionen) och kraftfull.

PyCharm - IDE för Python
PyCharm – IDE för Python

När man laddar ner Python från den officiella webbplatsen så medföljer även IDLE, som är Pythons officiella editor. IDLE har ackompanjerat Python sedan version 1.5. IDLE är en enkel IDE som lämpar sig för nybörjare och för den som vill experimentera med Python. När man startar IDLE så öppnas Python Shell (se nedan) som är en Pythontolk (engPython Interpreter). I Python Shell kan man skriva programkod fortlöpande. Varje gång man trycker retur så körs koden och om det finns felaktigheter i syntax så returneras ett felmeddelanden. Även om IDLE har grundläggande funktionalitet, såsom autocompletion, syntax-highlighting etc, så är programmet olämpligt för den som behöver skriva större program, liksom den som har behov av en mer avancerad utvecklingsmiljö. Nedanstående bild visar Python Shell där ett par rader kod har skrivits, varav sista raden returnerar ett felmeddelande (SyntaxError).

Python Shell (IDLE)
Python Shell (IDLE)

Python kan faktiskt köras direkt i Terminal (på Mac OS) och Command Prompt (Windows). För att starta Terminal kan du söka efter terminal i Mac OS sökfunktion. För att starta Command Prompt i Windows skriver du cmd i Windows sökfunktion. På Mac OS kommer följande fönster upp.

Python direkt i Mac OS Terminal.
Python direkt i Mac OS Terminal.

Som framgår ovan startas Python i Terminal (samt Command Prompt) genom att man skriver python och därefter trycker enter. Detta resulterar i följande, som verifierar att Python är installerat:

Python 3.6.3 |Anaconda custom (64-bit)| (default, Oct  6 2017, 12:04:38)

[GCC 4.2.1 Compatible Clang 4.0.1 (tags/RELEASE_401/final)] on darwin

Type ”help”, ”copyright”, ”credits” or ”license” for more information.

Sedan skrivs några enkla rader med kod. Bokstaven a tilldelas värdet 5 och därefter printas a ut. Slutligen printas meningen Jag testar Python-kod direkt i Mac OS Terminal. Funktionen print() skriver ut textsträngar.

Vi kunde även skrivit koden i ett helt vanligt textdokument som vi sparar med filändelsen .py (förslagsvis min_kod.py som vi sparar på skrivbordet) och därefter kört den filen via Terminal genom att skriva python /Users/Thomas/Desktop/min_kod.py.

Python för data science: Anaconda, Spyder & Jupiter Notebook

För den som vill använda Python för data science (beräkningar, statistik, machine learning, artificiell intelligence [AI]) så rekommenderas istället Anaconda som är en komplett plattform för ändamålet. I Anaconda ingår flera program, varav de mest relevanta är Spyder och Jupiter Notebook. I Anaconda ingår självfallet Python (man behöver inte ladda ner Python separat från Python.org). Här följer en bild på Anacondas startfönster. För att starta Spyder eller Jupiter Notebook trycker du på Launch.

Python Anaconda
Python Anaconda

Jupiter notebook för Python, inklusive data science

Jupiter Notebook erbjuder en miljö för experimentell och interaktiv Python-programmering. Jupiter Notebook öppnas i din webbläsare och där kan du skriva Python-kod direkt i programmeringsfältet (bild nedan). Du kör ett kodfragment åt gången och ser resultatet omedelbart i webbläsaren. Jupiter Notebook är utmärkt för att experimentera med Python och för att demonstrera programmering. Det är vanligt att Jupiter Notebook används för att undervisa och för att publicera script (kod) online. I Jupiter Notebook finns nämligen inbyggd funktion för att publicera hela scriptet direkt online (det publiceras på Anacondas servrar).

Jupiter Notebook för Python
Jupiter Notebook för Python

Spyder för Python-projekt inom data science

Spyder används för att skapa mera omfattande analyser och projekt. Som framgår av nedanstående bild så inbegriper Spyder en komplett miljö för programmering, översikt över filer/objekt man arbetar med, visualiseringar presenteras i separat fönster etc. Python-koden skrivs i ett Python-dokument som slutar på .py och detta formatet är det som specificerar Python-dokument, oavsett om man arbetar i Spyder eller PyCharm.

Spyder för Python (Anaconda)
Spyder för Python (Anaconda)

Kom ihåg att Spyder och PyCharm, liksom andra liknande program, kräver att ett Python-dokument skall avslutas med .py. Utan .py så kommer varken Spyder eller PyCharm känna igen dokumentet. Du kan förstås skriva Python-kod i vilken textredigerare som helst men filen måste köras från Python Shell (IDLE), Spyder, PyCharm eller annan Pythontolk.

I nästa kapitel kommer vi diskutera vad som är möjligt att göra med Python. Därefter börjar vi programmera.

0/5 (0 Reviews)